農(nóng)業(yè)生產(chǎn)與食品保障事關(guān)社會經(jīng)濟(jì)穩(wěn)定與民計民生，可持續(xù)綠色農(nóng)業(yè)的發(fā)展符合人類日益增長的高質(zhì)量需求。植物病害是威脅植物生產(chǎn)的最主要因素之一。因此，對植物病害開展精準(zhǔn)與綠色防控可在未來大幅減少作物及農(nóng)產(chǎn)品損失，而準(zhǔn)確識別植物病害是精準(zhǔn)防控的必要前提，人工智能與圖像識別技術(shù)是目前及未來的潛力手段。

2024年7月，Plant Phenomics在線發(fā)表了貴州大學(xué)張欣/陳孝玉龍教授團(tuán)隊(duì)題為Local and global feature-aware dual-branch networks for plant disease recognition 的研究論文。

研究提出了一種用于植物病害識別的局部與全局特征感知雙分支網(wǎng)絡(luò)-LGNet。該網(wǎng)絡(luò)通過結(jié)合CNN的局部感知優(yōu)勢和Transformer的全局感知優(yōu)勢，以解決植物病害圖像中出現(xiàn)的癥狀多樣性的問題。

圖1 LGNet的整體架構(gòu)

團(tuán)隊(duì)首先設(shè)計了一個基于 CNN 和 Transformer 的雙分支結(jié)構(gòu)，以提取局部和全局特征。隨后，設(shè)計一個自適應(yīng)特征融合模塊來融合局部和全局特征，從而驅(qū)動模型動態(tài)感知不同特征的權(quán)重。最后，設(shè)計了分層混合尺度單元引導(dǎo)的特征融合模塊，以挖掘不同層次特征中的關(guān)鍵信息，并融合其中的差異化信息，從而增強(qiáng)模型的多尺度感知能力。

圖2 在驗(yàn)證集上的準(zhǔn)確率變化

該研究中發(fā)現(xiàn)，局部與全局特征感知雙分支網(wǎng)絡(luò)LGNet相比于單一的CNN或Transformer網(wǎng)絡(luò)有著顯著的性能增益（圖2）。同時， LGNet相比于單一的CNN或Transformer網(wǎng)絡(luò)有著更強(qiáng)的局部和全局病斑感知能力（圖3）。值得期待的是，由于可適用于多種植物及不同類型的病害，LGNet在現(xiàn)代農(nóng)業(yè)生產(chǎn)中具有極高的應(yīng)用潛力。在未來，團(tuán)隊(duì)將進(jìn)一步探索其在不同應(yīng)用場景及復(fù)雜背景下的應(yīng)用能力。

圖3 類激活映射可視化

貴州大學(xué)博士研究生林建吾為該文第一作者，張欣/陳孝玉龍教授為該文共同通訊作者。相關(guān)工作得到國家重點(diǎn)研發(fā)計劃、國家自然科學(xué)基金、貴州省科學(xué)技術(shù)廳平臺/人才等項(xiàng)目資助。

論文鏈接：
https://doi.org/10.34133/plantphenomics.0208

——推薦閱讀——
PDDD-PreTrain: A Series of Commonly Used Pre-Trained Models Support Image-Based Plant Disease Diagnosis
https://doi.org/10.34133/plantphenomics.0054
Plant Phenomics | 貴州大學(xué)提出PDDD-PreTrain：一系列常用的預(yù)訓(xùn)練模型支持基于圖像的植物病害診斷
A Multi-Modal Open Object Detection Model for Tomato Leaf Diseases with Strong Generalization Performance Using PDC-VLD
https://doi.org/10.34133/plantphenomics.0220
Plant Phenomics | 中南林科大周國雄教授團(tuán)隊(duì)基于PDC-VLD的具有較強(qiáng)泛化性能的番茄葉病多模態(tài)開放目標(biāo)檢測模型

加入作者交流群
掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會、專刊發(fā)布會等高質(zhì)量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群

About Plant Phenomics
《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄。科睿唯安JCR2023影響因子為7.6，位于農(nóng)藝學(xué)一區(qū)（1/125名），植物科學(xué)一區(qū)（13/265名），遙感一區(qū)（6/62名）。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國科技期刊卓越行動計劃高起點(diǎn)新刊項(xiàng)目、2024年入選江蘇科技期刊卓越行動計劃領(lǐng)軍期刊項(xiàng)目。

說明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
特邀作者：林建吾
排版：張婕（上海交通大學(xué)）
審核：孔敏、王平